基于多类特征融合的极限学习在四足机器人野外地形识别中的应用

针对四足机器人在野外环境下对多地形的识别能力较弱的问题,提出了一种基于多类特征融合的极限学习识别算法。该算法首先针对野外不同地形表面性质和组织结构的特点,利用纹理特性和小波变换获其低维和高维特征,作为分类器的训练特征。然后引入极限学习机分类算法对多种地形进行识别。结果显示,算法识别率为97.5%,比传统的BP神经网络算法、支持向量机算法分别高出30.89%和20.45%。并且重复的实验证明了该算法具有很好的泛化能力和鲁棒性,这为四足机器人关于提高其自主移动能力的研究提供了一种新的思路。